研究不同神经元在人工神经网络中的作用

在过去的大约十年中，全世界的研究人员一直在开发越来越先进的人工神经网络(ANN)，这些计算方法旨在复制人脑的生物学机制和功能。尽管其中一些网络在各种任务中均取得了显著成果，但其预测所依据的决策过程并不总是很清楚。

德国数字转换技术与管理研究所和机械工程信息管理研究所的研究人员最近进行了一项研究，旨在更好地理解ANN决策过程的基础机制。他们的发现(在arXiv上预先发表的一篇论文中概述)揭示了这些网络中单个神经元和不同神经元种群的作用。

“我们的最新研究是基于我们以前的工作，其中我们描述了人工神经网络中单个神经元对其学习任务的重要性，”进行这项研究的研究人员之一理查德•梅耶斯(Richard Meyes)告诉TechXplore。“在我们的新研究中，我们将研究范围扩大到更大的神经元组，目的是确定功能性神经元群体，其中所包含的单元共同起作用以解决网络的训练任务。”

为了研究不同神经元在人工神经网络中的作用，Meyes和他的同事从神经科学研究中常用的技术中汲取了灵感。他们的最终目标是通过观察网络在受到不同刺激时的表现来表征网络随时间推移而获得的表征，同时还激活或停用其某些神经元以更好地了解它们在处理这些刺激中的作用。

“简而言之，我们询问网络是否对特定图像做出反应以显示特定的活动模式，并调查了网络中哪些神经元对这些活动模式有所贡献，” Meyes解释说。“我们还使用网络消融从网络中剔除单个神经元和神经元组，以确定这些神经元在创建这些活动模式中所起的作用。”

他们基于神经科学的方法使Meyes和他的同事收集了许多有趣的观察结果。最值得注意的是，研究人员确定了具有不同功能的神经元群体。他们还发现，某些神经元组在对特定类型的刺激做出反应时会共同起作用，或者使某些神经元失活(即消融)对ANN的整体表现具有相似的影响。